《教育信息化十年发展规划（2011—2020年）》明确规划了“推进信息技术与教学融合，建设智能化教学环境”的发展任务
［1］，为教育信息化奠定了基础。以“智慧教室”为代表的智慧学习环境研究在这一背景下崭露头角，推动了教育学习环境从数字化向智能化的根本转变。《教育信息化2.0行动计划》
［2］进一步要求：大力推进智能教育，积极构建以学习者为中心的智能化教学支持环境。随着一系列政策的支持，以及大数据、人工智能和AR/VR等新一代信息技术在教育教学中的深入应用
［3］，以智慧教室为代表的智慧学习环境也成为教育信息化领域和教育技术工作者关注的焦点。
1 智慧学习环境的定义和特征
尽管学术界尚未就智慧学习环境的概念形成统一、正式的定义，但相关研究文献已从多个角度对其进行了深入阐述。崔惠萍等
［4］提出，智慧学习环境是一种能够准确识别和适应学习者需求的学习环境，旨在提供个性化学习服务，以推动学习者智慧发展。李青等
［5］认为，智慧学习环境是在物理情境中智能获取所需学习资源并向学习者提供的学习场所，同时能够自动识别、存储学生特征并进行学习评价。张凯等
［6］强调，智慧学习环境是以新一代技术为支撑，通过感知、记录和分析教学过程中的多样信息和情境，便利地支持了多元化的教学与学习，创造了新型的课堂教学环境。
结合各学者的研究，智慧学习环境作为整合先进技术和教育方法的学习框架，旨在提供个性化、高效和互动性强的学习经验。其核心目标是深入理解学生的独特学习需求和风格，通过数据收集与分析，提供个性化的学习路径，包括定制的资源、任务和评估，最大程度地迎合学生的需求和兴趣。利用人工智能、大数据分析、虚拟仿真等先进技术，为学生和教育者提供更丰富的工具和资源，以提高学习和教学效果。智慧学习环境不仅关注学生，也提供支持给教育者，通过系统的数据分析，教师更好地了解学生的学习状况，以更有效地指导和支持学生。
2 AI技术在智慧学习环境中的应用
在传统的课堂观察中，观察者仅凭感官、观察表、录音录像设备等辅助工具记录课中数据，这种方法不仅需要花费大量时间和精力，而且缺乏客观依据支撑，难以实施常态化教学反思。随着录播系统的出现，教师可以在课后对课堂视频进行回放观察，但是人工观察的方法并不适用于高效的数据分析，对教研管理者和教师来说更是执行复杂。
在智慧学习环境的建设发展过程中，人工智能（AI）技术的应用正迅速改变着教育领域的面貌。AI技术在智慧学习环境中的应用不仅为学生和教育者提供了新的工具，而且为个性化学习、实时反馈和教学效果优化等方面带来了前所未有的机遇。通过构建学生模型并分析其学习行为，系统能够更好地了解每位学生的需求和能力水平。基于这些信息，AI可以精准地定制学习资源，为学生提供更符合其个体差异的教育内容，从而激发学习兴趣，提高学习效果。AI技术为实时反馈和评估提供了强大的支持。在传统教育中，教育者往往需要花费大量时间来手动批改作业和评估学生表现，而通过AI技术，这一过程变得更加高效，自动化评估工具能够快速准确地分析学生作业，同时即时学习反馈系统能够让教育者迅速调整教学策略，满足学生的学习需求。笔者以本校试用的某品牌的AI课堂分析系统为例，探讨AI课堂分析系统的系统架构、功能模块、应用场景及其在课堂教学方面的作用，为后续智慧学习环境的建设提出新的思路和方案。
3 AI课堂分析系统的架构
3.1 软硬件组成
AI课堂分析系统的硬件组成相对简单，主要由终端设备和AI算力模块（服务器）2个主要组成部分构成。在终端设备方面，包括学生摄像机、教学观察摄像机、拾音麦克风和交互智能平板等设备，这些设备分别布置于教室前后，以全面记录和还原课堂的多维场景。AI算力模块则可配置于控制室，或者类似PC模块一样插入交互智能平板中。通过网络连接，该系统实现了对师生课堂行为、教学环节以及师生互动等情境的智能识别。所得数据被进一步转化为可视化的图表和分析报告，为教学反思和优化提供科学的数据基础。
3.2 系统架构
AI课堂分析系统由基础层、平台层、应用层三部分构成，如
图1所示。
（1） 基础层。基础层由教学场地的音视频采集终端组成，为AI课堂分析系统提供主要的数据输入。系统的数据源主要包括录播教室中产生的师生及多媒体设备的音视频数据，以及交互智能平板的交互数据。
（2） 平台层。平台层承担对教学过程实录视频的人工智能数据分析任务。系统的AI算法在平台层执行，实现师生行为分析、师生角色语音分析，以及课堂教学环节的智能分析等功能。平台层的核心AI算力资源提供多种部署方式：在轻量使用阶段，可采用Serverless云原生部署方式，充分利用云端AI算力进行分析；在批量覆盖阶段，可采用云-边-端部署方式，通过本地AI边缘服务器与云端AI算力协同分析，平衡分析效果与运维工作量；在常态化使用阶段，可采用本地化部署方式，将分析能力置于校内机房，适用于对所有日常教学课程进行AI观察分析。
（3） 应用层。应用层为教师提供个人端和教研管理端，支持电脑和手机等多终端访问。个人端主要用于教师个人在课后进行教学反思；而教研管理端则用于教务听课评课以及主题式教研活动。应用层的设计旨在满足教师在不同场景下的需求，提供便捷而全面的教学支持。
4 AI课堂分析系统的功能与应用
4.1 三维课堂重建
通过3D重建技术，系统能够准确记录和呈现教师在课堂中的移动轨迹，以可视化方式展示教师在教学过程中的活动范围和频次。此外，学生活跃热力图则提供了对全班学生参与程度的直观反映，帮助教师迅速了解学生在课堂中的参与情况。通过全面把握学生参与度，教师可以更有针对性地调整教学策略，避免过于集中关注某些学生而忽视其他学生。这种综合了学生互动热区的方法，有助于实现教学过程的公平性和民主性，确保教学活动照顾到更广泛的学生群体，不让任何学生处于被忽视的状态。
4.2 课堂实录智能切片
利用多模态AI算法，该系统实现了对课堂中教学行为的自动识别，包括但不限于教师提问、学生齐读、学生上台、学生举手以及小组讨论等。系统通过智能的视频切片技术，自动提取并生成关键的教学片段。借助课堂观察系统，学校得以智能捕捉关键的教学片段，为教师提供关乎课堂设计和师生互动等核心数据。同时，教研员可通过回看关键教学片段，追溯每一个课堂的高潮瞬间，快速理解在不同教学行为下师生呈现出的多样化表现及状态。视觉识别算法还能针对每一帧的学生抬头情况进行分析，计算出当前时间的课堂学生抬头率。在播放视频的同时，可展示对应班级学生的抬头率，让教师关注对应时间段学生的听课状态。同时，教师还可以结合关键教学片段查看抬头率，可以反思相对应的教学环节设置是否合理。这一追踪和回放的过程不仅有助于提升回看效率，更为深入地了解教学现场，也为教学改进和研究提供了更为精细的数据基础。
4.3 教学时序分析
基于人工智能（AI）识别技术，系统能够识别课堂中教师授课、师生互动、课堂练习、小组讨论等多个维度的课堂行为。系统根据这些行为维度的时长进行计算，生成了翔实的课堂时序分布图，为后续片段复看和回顾提供便利。此外，系统还支持对各课堂行为时长的占比进行统计，并将整体课堂时长分别以老师授课、师生互动、课堂练习和小组讨论等维度进行划分，形成教学时间分配图。通过教学时序分析，教师能够在课后系统性地回顾课堂教学，评估本节课是否符合教学设计的预期。
4.4 课堂互动数据分析
在课堂中，除了教师的授课环节，还包括学生的回答、小组讨论以及随堂测验等多种教学环节。由于课堂节奏较快，涉及的教学内容较多，教师往往难以有效地优化授课时间的分配。AI课堂分析系统所生成的课堂问答分析报告为教师提供了有益的视角，使其能够详尽了解每节课的提问设计的科学性、教学环节分配的合理性，以及是否关注到学生课堂参与的公平性。这一报告有助于教师快速回溯课堂中的问题，从而更为有效地优化课堂环节的设计。通过该系统生成的分析报告，教师得以全面审视自身在每个教学环节中的表现。
4.5 课堂问答模式分析
借助语音转文本、问句识别和问答模式识别等技术，系统能够自动记录和分析教师与学生的问答内容，从而协助教师对一节课的各类问答进行细致统计。这样的综合分析为教师设计课堂提问提供了重要的参考依据，有助于有效激发学生思考，提高课堂参与度，达到更为明确的教学目标。教研员可借助系统追溯教师在课堂中提问的场景，对课堂问题设计进行精准诊断，发现问题并提供针对性的指导。系统中的回溯功能提供了一种科学而深入的方式，使教研员能够更全面地理解教师在提问方面的表现，从而为有针对性的教学改进提供有力支持。
4.6 课堂建议
每份课堂分析报告均以师生对话、课堂互动以及新课标落实三个关键维度为基础，对本节课进行全面总结与点评。此举为教师提供及时而准确的课堂反馈，确保每一节课都能够得到有效的“回声”。此外，AI系统还能根据教师的授课内容、教学环节以及学生的课堂反馈，在多个维度、从不同角度生成教学建议。这有助于教师更全面地把握课堂教学情境，从而提升个人教学水平。
5 结语
利用AI技术系统全面、客观采集的课堂教学数据，更直观地感知教师的教学质量和学生的学习态度，为教师和领导提供课堂实录、课堂分析报告、教学质量辅助分析等功能。同时为实施精准教研、定向提升教师教学能力提供依据，加快教师成长。AI课堂分析系统在高校智慧学习环境建设中的应用空间很大，未来AI技术在智慧学习环境中的应用领域可以继续拓宽，例如研发虚拟教学助手等，实现AI辅助教学。
福建省高等学校教育技术研究会科研课题“职业院校智慧教学环境应用研究——以漳职院为例”，编号：〔2023〕02-B02
京公网安备11010202008535号
PDF
(385KB)
